1、用kmeans分为五个聚类，每个聚类内部的数据为一个list，五个list组成聚类中心。

k = 5  # 聚类中心数
kmeans_model = KMeans(n_clusters=k, n_jobs=4, random_state=123)
# 聚类中心数，并行的CPU核的数量，随机数种子
fit_kmeans = kmeans_model.fit(airline_scale)  # 模型训练
print(kmeans_model.cluster_centers_)  # 查看聚类中心
print(kmeans_model.labels_)  # 查看样本的类别标签

2、label显示按照kmeans划分之后每个数据属于哪个聚类。

# 统计不同类别样本的数目
r1 = pd.Series(kmeans_model.labels_).value_counts()
print('最终每个类别的数目为：\n', r1)
result = kmeans_model.predict([[1.5, 1.5, 1.5, 1.5, 1.5]])
print(result)
# 最终确定在五个参数都是1.5的情况下的用户属于类别1
3\r1显示每个聚类内部的元素个数，同时测试一组特定特征值的数据会被分配到哪个组中。